Gambar 2.4. Jaringan syaraf dengan banyak lapisan.
2.4.3. Jaringan dengan lapisan kompetitif competitive layer net
Umumnya, hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan pada diagram arsitektur. Prinsip pada jaringan ini adalah “winner takes all” yang
artinya, hanya ada 1 neuron yang boleh aktif, yaitu neuron yang menghasilkan output 0, sementara neuron yang lain tidak aktif.
2.5. Fungsi Aktivasi Bipolar dengan
threshold
Fungsi bipolar memiliki output yang dihasilkan berupa 1, 0 atau –1 Gambar 7.
Fungsi bipolar dengan nilai ambang
dirumuskan sebagai: [2]
x jika
x jika
y ,
1 ,
1
Gambar 2.5. Fungsi aktivasi: Bipolar threshold.
Nilai input
Lapisan Input Matriks bobot
pertama Lapisan
Nilai output
v
11
X
1
X
2
X
3
Z
1
Z
2
v
12
v
21
v
22
v
31
v
32
Matriks bobot Lapisan Output
Y w
1
w
2
1 y
x -1
Universitas Sumatera Utara
2.6. Proses Pembelajaran
Pada otak manusia, informasi yang dilewatkan dari satu neuron ke neuron yang lainnya berbentuk rangsangan listrik melalui dendrit. Jika rangsangan tersebut
diterima oleh suatu neuron, maka neuron tersebut akan membangkitkan output ke semua neuron yang berhubungan dengannya sampai informasi tersebut sampai ke
tujuannya yaitu terjadinya suatu reaksi. Jika rangsangan yang diterima terlalu halus, maka output yang dibangkitkan oleh neuron tersebut tidak akan direspon.
Tentu saja sangatlah sulit untuk memahami bagaimana otak manusia bisa belajar. Selama proses pembelajaran, terjadi perubahan yang cukup berarti pada bobot-
bobot yang menghubungkan antar neuron. Apabila ada rangsangan yang sama dengan rangsangan yang telah diterima oleh neuron, maka neuron akan
memberikan reaksi dengan cepat. Namun apabila kelak ada rangsangan yang berbeda dengan apa yang telah diterima oleh neuron, maka neuron akan segera
beradaptasi untuk memberikan reaksi yang sesuai. [5]
Jaringan syaraf akan mencoba untuk mensimulasikan kemampuan otak manusia untuk belajar. Jaringan syaraf tiruan juga tersusun atas neuron-neuron
dan dendrit. Tidak seperti model biologis, jaringan syaraf memiliki struktur yang tidak dapat diubah, dibangun oleh sejumlah neuron, dan memiliki nilai tertentu
yang menunjukkan seberapa besar koneksi antara neuron yang dikenal dengan nama bobot. Perubahan yang terjadi selama proses pembelajaran adalah
perubahan nilai bobot. Nilai bobot akan bertambah, jika informasi yang diberikan oleh neuron yang bersangkutan tersampaikan, sebaliknya jika informasi tidak
disampaikan oleh suatu neuron ke neuron yang lain, maka nilai bobot yang menghubungkan keduanya akan dikurangi. Pada saat pembelajaran dilakuka n
pada input yang berbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai suatu nilai yang cukup seimbang. Apabila nilai ini telah tercapai
mengindikasikan bahwa tiap-tiap input telah berhubungan dengan output yang diharapkan. [5]
Universitas Sumatera Utara
2.6.1. Pembelajaran terawasi supervised learning
Metode pembelajaran pada jaringan syaraf disebut terawasi jika output yang diharapkan telah diketahui sebelumnya.
Contoh: andaikan kita memiliki jaringan syaraf yang akan digunakan untuk mengenali pasangan pola, misalkan pada operasi AND:
Input target
1 1
1 1
1 Pada proses pembelajaran, satu pola input akan diberikan ke satu neuron
pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lap isan output ini akan membangkitkan
pola output yang nantinya akan dicocokkan dengan pola output targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola target, maka
disini akan muncul error. Apabila nilai error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi.
2.6.2. Pembelajaran tak terawasi unsupervised learning
Pada metode pembelajaran yang tak terawasi ini tidak memerlukan target output. Pada metode ini, tidak dapat ditentukan hasil yang seperti apakah yang diharapkan
selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang diberikan. Tujuan
pembelajaran ini adalah mengelompokkan unit-unit yang hampir sama dalam suatu area tertentu. Pembelajaran ini biasanya sangat cocok untuk pengelompokan
klasifikasi pola.
2.7. Bidirectional Associative Memory
